Data Science и Machine Learning — это не только код, но и постоянный диалог с данными. По данным опроса Kaggle 2023, более 70% специалистов по данным используют генеративный ИИ в своей работе. Промты стали новым интерфейсом для исследования данных, генерации признаков и проверки моделей.
В этой подборке — 12 проверенных промтов, которые я ежедневно применяю в ML-проектах. Каждый промт сопровождается примером использования и пояснением, для какой задачи он подходит.
1. Быстрый EDA с автоматической генерацией гипотез
Промт: "Ты — senior data scientist. Проанализируй датасет [описание]. Предложи 5 гипотез о связях между признаками и целевой переменной. Для каждой гипотезы укажи, какой статистический тест или визуализацию использовать для проверки. Учти возможные выбросы и пропуски."
Пример: для датасета о кредитных дефолтах модель предложила проверить нелинейную связь между возрастом и дефолтом через бининг и ANOVA. Это выявило U-образную зависимость, которую пропустили при первичном анализе.
2. Генерация синтетических признаков на основе доменных знаний
Промт: "У меня есть признаки [список]. Предложи 10 новых признаков, которые можно создать с помощью арифметических операций, агрегаций и оконных функций. Объясни, как каждый признак может улучшить предсказательную способность модели."
Пример: в задаче прогнозирования оттока клиентов промт предложил признак "средний чек за последние 3 месяца / средний чек за всё время". Это увеличило ROC AUC на 0.04.
3. Автоматический подбор гиперпараметров с обоснованием
Промт: "Предложи диапазоны гиперпараметров для [модель] на датасете [размер, тип]. Объясни, почему выбраны именно эти значения, и как они влияют на bias-variance tradeoff. Укажи, какие параметры наиболее важны для настройки."
Пример: для XGBoost на 50k строк промт рекомендовал learning_rate 0.01–0.1, max_depth 3–7 и subsample 0.7–1.0. Это сократило время подбора в 2 раза.
4. Проверка утечки данных (data leakage)
Промт: "Проанализируй пайплайн обучения: [описание шагов]. Найди потенциальные источники утечки данных. Предложи, как их устранить, и какие проверки добавить в валидацию."
Пример: промт выявил, что scaling был применён до разделения на train/test, что привело к завышенной оценке на 0.03. Исправление дало честную метрику.
5. Кросс-валидация для временных рядов
Промт: "У меня временной ряд с сезонностью [период]. Предложи схему кросс-валидации, которая учитывает временную структуру. Напиши код на Python с использованием sklearn TimeSeriesSplit."
Пример: для прогноза продаж с недельной сезонностью промт сгенерировал код с expanding window, что дало более реалистичную оценку MAE.
6. Интерпретация модели с SHAP
Промт: "Объясни, как интерпретировать SHAP values для [модель]. Напиши код для визуализации топ-10 признаков. Как понять, что модель не переобучена, глядя на SHAP?
Пример: SHAP показал, что признак "количество звонков" имеет нелинейный эффект: после 5 звонков вероятность оттока резко падает. Это изменило стратегию колл-центра.
7. Feature engineering для категориальных признаков
Промт: "Предложи методы кодирования для категориальных признаков с высокой кардинальностью (>1000 уникальных значений). Сравни target encoding, frequency encoding и embeddings. Напиши код с защитой от утечки."
Пример: для признака "город" (5000 значений) target encoding с кросс-валидацией дал прирост 0.02 ROC AUC по сравнению с one-hot.
8. Валидация на несбалансированных данных
Промт: "Данные несбалансированы: доля положительного класса 2%. Предложи стратегию валидации и метрики. Как правильно использовать stratification и какие метрики устойчивы к дисбалансу?"
Пример: промт рекомендовал использовать PR-AUC вместо ROC-AUC и stratified k-fold. Это выявило, что модель хорошо ранжирует, но плохо калибрована.
9. Автоматическое логирование экспериментов
Промт: "Напиши код для логирования экспериментов с MLflow. Что логировать: параметры, метрики, артефакты. Как организовать сравнение запусков?"
Пример: код с MLflow позволил отслеживать 100+ экспериментов и автоматически выбирать лучшую модель по валидационной метрике.
10. Проверка стабильности модели
Промт: "Как проверить стабильность модели на разных подвыборках? Предложи метрики и визуализации. Напиши код для bootstrap-оценки доверительных интервалов метрик."
Пример: bootstrap показал, что 95% доверительный интервал для F1 составляет [0.72, 0.78]. Это помогло понять, что улучшение на 0.01 незначимо.
11. Генерация отчёта по модели
Промт: "Сгенерируй отчёт по модели: метрики, важность признаков, ограничения, рекомендации по внедрению. Используй шаблон [ссылка]."
Пример: отчёт помог стейкхолдерам понять, что модель не работает для новых клиентов (нет истории).
12. Оптимизация пайплайна
Промт: "Предложи, как ускорить обучение пайплайна: [описание]. Используй кэширование, параллелизацию, оптимизацию типов данных. Напиши код с joblib."
Пример: кэширование трансформеров и параллельная кросс-валидация сократили время обучения с 2 часов до 20 минут.
Эти промты — не замена экспертизе, а усилитель. Они помогают быстрее проверять гипотезы, избегать типичных ошибок и документировать процесс. Начните с 2-3 промтов, адаптируйте под свои задачи и постепенно расширяйте набор. Главное — всегда проверяйте результаты и помните, что ответственность за модель лежит на вас.
Comments